Skyvern - 用AI实现基于浏览器的工作流程自动化

1、前言

数字化快速发展的当下，AI 技术正深刻重塑各行业，对 AI 驱动的高效智能自动化工具需求激增。企业繁琐流程处理与复杂业务精准操作，都亟需依托 AI 突破传统局限的灵活智能工具—— AI 技术的融入让自动化工具更具适应性与决策力。Skyvern 应需而生，依托 AI 赋能的创新技术和独特功能，为自动化领域带来新可能。

2、简介

Skyvern 借助大语言模型（LLMs）与计算机视觉，实现基于浏览器的工作流程自动化。它提供简洁的 API 端点，可实现手动工作流程的完全自动化，取代易失效或不可靠的自动化解决方案。

为何选择 Skyvern？

传统浏览器自动化方案需要为各网站编写自定义脚本，通常依赖 DOM 解析和基于 XPath 的交互——一旦网站布局发生变化，这些方案就会失效。

Skyvern 无需仅依赖代码定义的 XPath 交互，而是结合提示词、计算机视觉与大语言模型（LLMs），实时解析页面中的元素，规划并执行交互操作。

功能优势：

• 可在从未接触过的网站上运行，无需任何自定义代码，就能将视觉元素与完成工作流程所需的操作相关联。
• 不受网站布局变化影响，导航过程中不会依赖任何预先设定的 XPath 或其他选择器。
• 能将单一工作流程应用于大量网站，通过推理分析完成流程所需的交互操作。
• 借助大语言模型（LLMs）对交互操作进行推理分析，确保能够应对复杂场景。

工作原理：

Skyvern 的灵感源自 BabyAGI 与 AutoGPT 推广开来的任务驱动型自主智能体设计，且具备一项核心优势：赋予 Skyvern 借助 Playwright 等浏览器自动化库与网站进行交互的能力。

官方网址：

https://www.skyvern.com/

3、快速上手

一、Skyvern 云服务

Skyvern 云服务是 Skyvern 的托管式云版本，无需你关注基础设施即可运行 Skyvern。它支持并行运行多个 Skyvern 实例，且内置反机器人检测机制、代理网络及验证码破解工具。

前往 https://app.skyvern.com/ 注册，即可获得 5 美元免费额度。

输入想要完成任务的指令。

根据指令制定生成工作流。

运行工作流。

生成的代码。

二、Python SDK

支持的 Python 版本

Python 3.11、3.12 及 3.13

1、安装 Skyvern

pip install skyvern

2、在 Skyvern 服务上执行任务

从 Skyvern 云服务获取你的 API 密钥，将任务发送至 Skyvern 云服务：

from skyvern import Skyvern
import asyncio

skyvern = Skyvern(api_key="YOUR API KEY")
# OR pass the base_url to use any Skyvern service
# skyvern = Skyvern(base_url="http://localhost:8000", api_key="YOUR API KEY")

asyncio.run(skyvern.run_task(prompt="Find the top post on hackernews today"))

3、本地执行任务

通过 Python 代码在本地运行浏览器任务，只需进行少量配置：

（1）配置 Skyvern

运行设置向导，它会引导你完成配置流程。这将生成一个名为 .env 的文件，作为配置设置文件。

skyvern init

（2）在 Python 代码中执行任务

from skyvern import Skyvern
import asyncio

skyvern = Skyvern() 

asyncio.run(skyvern.run_task(prompt="Find the top post on hackernews today"))

本地浏览器会弹出。Skyvern 会在浏览器中开始执行任务，并在任务完成后关闭浏览器。